14:48 2022-05-27
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Evaluare comparativă a metodelor de integrare a transcriptomicelor pentru predicția distribuției transcriptului și deconvoluția tipului de celule
_ Metode de integrare a transcriptomicelor de analiză comparativă pentru predicția distribuției transcripției și deconvoluția tipului celular
Într-un studiu publicat în Nature Methods, o echipă de cercetare condusă de prof. Qu Kun de la Universitatea de Știință și Tehnologie din China (USTC) a Academiei Chineze de Științe a evaluat 16 spațiale. și metode de integrare transcriptomică unicelulară pentru predicția distribuției transcripției și deconvoluția tipului celular.
Locația spațială a celulelor în țesuturi și organe joacă un rol crucial în îndeplinirea funcțiilor sale specifice. În ultimii ani, cercetătorii au dezvoltat diferite abordări de transcriptomică spațială pentru a detecta datele la nivel de transcriptom în celule, menținând în același timp o orientare spațială precisă. Cu toate acestea, abordările existente de transcriptomică spațială au două deficiențe. Abordările bazate pe secvențierea de generație următoare nu au putut detecta deconvoluția cu o singură celulă a spotului. În plus, abordările bazate pe hibridizare in situ și microscopie cu fluorescență sunt limitate în numărul total de transcripte de ARN obținute.
În acest sens, cercetătorii au dezvoltat diferite metode de integrare pentru a combina datele transcriptomice spațiale cu un singur date ARN-seq (scRNA-seq) celular pentru a prezice distribuția spațială a transcrierilor nedetectate și/sau a efectua deconvoluția tipului de celule a petelor în secțiuni histologice. Aceste metode de integrare au promovat, fără îndoială, înțelegerea datelor de transcriptomică spațială și a proceselor biologice și patologice aferente. Cu toate acestea, din cauza principiilor de funcționare diversificate și a domeniului aplicabil, cercetătorii au avut dificultăți în selectarea metodelor optime de integrare.
Echipa de cercetare condusă de prof. Qu a lucrat la dezvoltarea algoritmilor de analiză și a software-ului pentru big data biologică pentru un perioadă lungă de timp. În acest studiu, cercetătorii au prezentat evaluarea comparativă a 16 metode de integrare folosind 45 de seturi de date pereche care conțin atât date de transcriptomică spațială, cât și date scRNA-seq și 32 de seturi de date simulate în funcție de acuratețea, robustețea și consumul de resurse de calcul.
Conform cu cercetătorii, Cell2location, SpatialDWLS și Robust Decomposition of Cell Type (RCTD) au fost superioare altor metode de integrare pentru deconvoluția tipului de celule a petelor în secțiuni histologice, în timp ce Tangram, gimVI și Spatial Gene Enhancement (SpaGE) au arătat performanțe excelente în comparație cu alte metode de integrare pentru prezicerea distribuției spațiale a transcriptelor ARN. Tangram, Seurat și Linked Inference of Genomic Experimental Relationships (LIGER) au avut o eficiență computațională ridicată și au fost potrivite pentru procesarea seturilor de date la scară mare.
Acest studiu concluzionează atributul, performanța și aplicabilitatea fiecărei metode de integrare și avantajele metodelor cu randament ridicat. Îi ajută pe cercetători să îmbunătățească în continuare acești algoritmi.
Echipa împărtășește, de asemenea, un proces de referință de integrare a datelor de transcriptomică spațială cu datele scRNA-seq pe GitHub pentru a ajuta cercetătorii să aleagă metodele optime de integrare pentru a-și procesa seturile de date.
Comentarii:
Adauga Comentariu